محمدامین آل آقا - مدرس گروه مهندسی برق،دانشگاه فنی و حرفه ای کرمانشاه
محمدجواد شهسواری - دانشجو مهندسی برق الکترونیک، دانشگاه فنی و حرفه ای کرمانشاه

سندروم مسدود کننده مجرای تنفسی، بعنوان یکی از عوامل مهم در خواب آلودگی روزانه وبیماری های قلبی شناخته می شود.همچنین در مواردی مانند سکته مغزی و سایر بیماری های مرتبط با دیابت نوع 2 ،نقش بسزایی دارد. آزمایش پلی سومنوگرافی یا آزمایش های جداگانه خواب،بعنوان روشی مرسوم و متداول همواره بکار می رود.علی رقم این، این آزمایش معایبی همچین هزینه بالا، عدم راحتی مناسب برای بیمار و نیازمند اتصال سنسور های متعددی در حین خواب می باشد. اخیرا در تحقیقات متعددی، با استفاده از میکروفن هایی که به بدن وصل نیستند، توانسته اند اختلالات تنفسی هنگام خواب را مورد بررسی قراردهند، در نتیجه با استفاده از همین اطلاعات می توان سندروم مسدود کننده مجرای تنفسی را نیز تشخیص داد. اختلالات تنفسی می توانند صداهایی در بازده گسترده ای از صداهای بسیار پایین تا بسیار بلند را در برداشته باشند. نکته ای که باید توجه داشت این است که این روش، در محیطهایی که دارای نویز است در تشخیص درست دچار مشکل خواهد شد و این موضوع به ویژه در اختلالات تنفسی که شدت صدای پایینی دارند از خطای بالاتری برخوردار است. علت این موضوع به دلیل پایین بودن نسبت سیگنال به نویز آن می باشد. دراین مقاله ما روشی جدید و موثر را جهت تشخیص سریع اختلالات تنفسی با کمک اطلاعاتی که در طول خواب به دست آمده است را ارایه می دهیم. اساس این روش استفاده از شبکه های عصبی مصنوعی در تشخیص سریع و صحیح میباشد. هنگامی که شبکه عصبی مصنوعی بعنوان یک طبقه کننده مستقل داده ها مورد استفاده قرار می گیرد، نشان خواهیم داد که روش پیشنهادی ما قادر است اختلالات تنفسی با میزان شدت پایین را از سایر صداهای ضعیف که ممکن است در طول خواب ایجاد شود با دقتی در حدود% 75.10 تشخیص دهد ودر گروه مربوط به داده طبقه بندی کند.

اختلالات تنفسی، شیکه های عصبی مصنوعی، مجرای تنفسی